电动汽车换电需求时空分布的概率建模

摘要：

随着电力系统中电动汽车的高比例接入,换电作为电动汽车能源的重要补给形式受到广泛关注.电动汽车的移动具有时空随机性,换电需求也具有时空分布特性.针对这一问题,现有研究往往采用马尔科夫决策过程(Markov decision process,MDP)来计算汽车出行路径,即在每一个路口都以某一概率随机产生下一个目的地.但这种方式和人们的日常出行经验严重不符,即在熟悉的道路环境中,驾驶员路径的选择方式不是在每一个路口的MDP过程,而是事先有一条或多条候选路径,从中依概率选取一条.基于此,采用深度优先搜索(depth first search,DFS)和随机出行链确定了电动汽车1天的实际出行路径,完成了电动汽车出行空间分布规律建模;根据出行时间、停放时间等,确定了电动汽车在时间上的随机分布.通过时间和空间两个维度的结合,模拟电动汽车出行过程,为电动汽车的换电时刻、换电地点以及换电数量的确定提供了依据.最后,针对某一具体的交通网络和10 000辆电动汽车,采用蒙特卡洛方法验证了所提模型和算法的有效性.研究成果可用于研究换电站的规划、交通规划以及对电网规划的影响等.

关键词：电动汽车、换电需求、深度优先搜索算法、蒙特卡洛法、出行链

所属期刊栏目：43

分类号：TM74(输配电工程、电力网及电力系统)

资助基金：教育部留学回国人员科研启动基金;四川省科技计划;国家自然科学基金

在线出版日期：2020-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：4541-4549